Im Produktionsumfeld mit einem Ausstoß von über 55 Mio. Clips jährlich kommt es zu erheblichen Herausforderungen in der Qualitätssicherung: Die manuelle Prüfung erfolgt nur sporadisch zwischen Messungen und Störungsbehebungen an der Verpackungsstrecke. Dadurch wird die optische Kontrolle oft verzögert oder gar nicht durchgeführt.
Die Folge: Staus im Produktionsfluss, was zu einem Zwischenpuffer im AKL (Automatisches Kleinteilelager) führt und zusätzliche Fahrten verursacht.
Ohne rechtzeitige Prüfung entstehen Risiken für größere Schäden an der Strecke und längere Stillstände. Eine automatisierte Prozessüberwachung ist notwendig, um dem entgegenzuwirken und das Prüfpersonal zu entlasten.
Die vorgestellte KI-Lösung setzt auf ein integriertes Kamerasystem mit direkter Anbindung an die Maschinensteuerung. Die KI-gestützte Fehleranalyse erkennt Abweichungen und Anomalien inline durch spezialisierte Deep-Learning-Modelle.
Die Echtzeit-Auswertung und Visualisierung sorgt für einen automatisierten IO/NIO-Warensplit und liefert präzise Bedienhinweise über eine individuell entwickelte Browser-basierte Softwarelösung.
Wichtige technische Merkmale:
Die automatisierte Prüfung entlastet das Prüfpersonal signifikant und sorgt für gleichmäßigere Servusfahrten. Durch grafische Auswertungen von KI-Ergebnissen inkl. Datum, Uhrzeit, WT-/ARC-Nummer, Transportquelle und Fehlerklassifikation wird maximale Transparenz erreicht.
Die Lösung verbessert die Performance der gesamten Anlage, steigert den Gesamtwirkungsgrad der R-Clip-Automatisierung und legt die Grundlage für weitere KI-basierte optische Prüfungen in anderen Produktionsbereichen.